自然語言處理推薦演算法招聘

⑴ 自然語言處理就業前景

自然語言處理就業前景如下：

1、自然語言處理是計算機科學領域與人工智慧領域中的一個重要方向。它研究能實現人與計算機之間用自然語言進行有效通信的各種理論和方法。

2、自然語言處理是一門融語言學、計算機科學、數學於一體的科學。因此，這一領域的研究將涉及自然語言，即人們日常使用的語言，所以它與語言學的研究有著密切的聯系，但又有重要的區別。

4、對自然語言處理的常見模型有深入研究，如BERT等，至少熟悉一種深度學習框架，有相關項目經驗。

5、良好的分析問題和解決問題的能力。

⑵ 自然語言處理方向研究生好找工作嗎

現在國內IT互聯網公司大部分NLP和IR人才被BAT公司壟斷，導致市面上的優秀NLP人才極少，因此很多創業公司緊缺這方面的人才。從人工智慧發展的趨勢來看，我認為這是一個不錯的領域，可以為之奮斗一生。NLP幾乎是互聯網機器學習業務的必備技能。因為互聯網內容最大比例的是文本。NLP挺好找工作的，但是最好機器學習的內容學全一點，畢竟實際工作內容是很多類型的，所以NLP是比較必要但不充分。我讀研時好多年前就覺得自然語言是個很有前途的方向。所以想如果我讀博就念這個方向。結果我找來書看過後。深深覺得自己不行。因為我念的是純文科的語言學。

⑶ 2020年，人工智慧演算法工程師就業競爭壓力多大

從當前人工智慧領域的發展情況來看，2020年演算法工程師的崗位競爭壓力是比較大的，主要原因集中在三個方面。

其一是當前演算法工程師的整體人才需求增量正在趨緩，這一點在2019年的研究生秋招時就有比較明顯的體現，不少打算從事演算法崗位的研究生最終選擇了開發崗位。
其二是人工智慧領域的創業熱點正在從技術創新向應用創新轉移，隨著大型人工智慧平台的陸續開放，這一趨勢會越發明顯。所以大量技術研發能力較差的中小技術團隊將轉向應用領域，這導致演算法工程師的就業渠道正在集中到大型科技公司，所以競爭也會更加激烈。
其三是目前有大量的研究生希望從事演算法工程師崗位，這也導致了演算法工程師崗位的競爭越來越激烈。實際上，當前計算機視覺、自然語言處理這兩個領域的研究生還是存在一定就業壓力的，因為前些年這兩個領域熱度很高，人才招聘量也非常大，所以不少研究生都選擇了這兩個方向，但是由於人工智慧產品在落地應用的過程中遇到了一定的障礙，所以也在一定程度上影響了人才需求。
雖然演算法工程師的就業競爭壓力比較大，但是從產業互聯網發展的大背景來看，演算法工程師整體的就業前景還是比較好的，尤其在產業結構升級的推動下，大量的傳統行業企業都需要進行智能化改造，而這個過程也必然會釋放出更多的演算法崗位。
最後，對於當前要計劃從事演算法工程師崗位的人來說，一定要重視編程實踐能力的提升，這對於提升就業競爭力有明顯的幫助。

⑷ python的自然語言處理就業方向現在就業形勢好嗎

Python是目前市場上大家聽說最多的編程語言吧，0基礎小白學什麼?當然Python，轉行學什麼?也是Python……那麼Python的發展前景真的好嗎?學完好找工作嗎帶領大家了解一下吧。

1、就業崗位多，人才就業率高：

Python語言更其他的編程語言不通，該語言簡單優美、開發效率高，所以受到了不少企業的喜歡，學習Python語言後可以從事web開發、雲計算、人工智慧、科學運算等方向，而且Python也是繼java和C++之後的第三主流編程語言，人才就業率非常高。

2、Python語言就業發展方向廣泛：

Python最強大的地方應該就是應用廣泛吧，Python語言廣泛應用於：Web應用開發、圖形界面開發、系統網路運維、網路編程、人工智慧等，涉及領域非常多，可謂是無處不在。Python可從事范圍多，自然工作機會和崗位都有很多的發揮空間。

3、企業Python人才需求量大：

根據數據統計來說，現在市場上企業對Python人才需求量是非常大的，但是現在市場上Python程序員是非常少的，競爭也比較小，可以快速就業，薪資待遇也很不錯。

4、薪資待遇好：

在眾多編程語言之中，Python是一門唯一可以處理所有業務邏輯的語言，從招聘網站上來說，Python的平均薪資待遇是非常高的，達到了1w以上，收入非常可觀。

Python薪資怎麼樣

相對了說現在的Python市場挺大的，競爭也並不

是很激烈，也是一個相對就業不錯的崗位，薪資待遇還蠻不錯的。
Python的特點

1.易於學習：Python有相對較少的關鍵字，結構簡單，和一個明確定義的語法，學習起來更加簡單。

2.易於閱讀：Python代碼定義的更清晰。

3.易於維護：Python的成功在於它的源代碼是相當容易維護的。

4.一個廣泛的標准庫：Python的最大的優勢之一是豐富的庫，跨平台的，在UNIX，Windows和Macintosh兼容很好。

5.互動模式：互動模式的支持，您可以從終端輸入執行代碼並獲得結果的語言，互動的測試和調試代碼片斷。

6.可移植：基於其開放源代碼的特性，Python已經被移植（也就是使其工作）到許多平台。

7.可擴展：如果你需要一段運行很快的關鍵代碼，或者是想要編寫一些不願開放的演算法，你可以使用C或C++完成那部分程序，然後從你的Python程序中調用。

⑸ 「AI技術+招聘場景」何時才能成為現實

如今，「AI技術+招聘場景」結合的各種應用開始成為現實。未來的話，AI技術在招聘行業的應用很有可能全面的去替代專業的HR。我們可以拭目以待。

近日，拉勾網宣布上線全新的企業及招聘者身份審核機制，並引入網路AI協作板塊，引入人臉識別等智能方式審核驗證企業HR身份與資質，未來還將用人工智慧技術核驗營業執照、工牌、在職證明，以及用於簡歷、聊天記錄等內容的風險控制。

繼去年AlphaGo擊敗圍棋世界冠軍以來，AI技術商業化應用的速度明顯加快，在交通出行、家庭服務、醫療、商業、招聘等領域，開始替代人工完成一部分工作。一些從業者在享受AI技術帶來便利的同時，也感到了壓力。

機器人篩簡歷速度「秒殺」人類，但靈活性不足

幾個月前，一場由獵聘主辦，被稱為招聘領域的「人機大戰」用比分給出了答案。這次挑戰者來自互聯網公司的五位資深HR和獵頭，參賽雙方要從3700萬簡歷中快速篩選出10份與招聘職位需求最匹配的簡歷。

這是一場圍繞職位要求和候選人進行匹配的比賽，包括技術崗與產品崗位兩種職位。完成簡歷的篩選匹配後，評審團需要從職能、技能、行業、薪資、學歷、地區匹配度等六個維度對參賽選手進行打分，總分（滿分為25分）最高者則被視為贏得本次比賽。

隨著藍色屏幕亮起，人類與AI機器人比分為18.96：18.60。結果顯示，完成整個比賽事項，AI機器人僅用了0.0152秒，是人類平均速度的63882倍；在職位匹配度、地區匹配度上，機器人的匹配效率高於人類；在技能匹配度上，兩者則打了個平手。

盡管以0.36的微弱分值敗於人類，但AI機器人「在人崗匹配、在對人的理解方面」，仍然超出了獵聘網創始人兼CEO戴科彬的預期。「在簡歷搜尋的任務中，地區、薪資等方面是比較簡單直接的條件，所以演算法可以通過簡單邏輯實現而且不會犯錯誤；在行業背景和技能要求方面，通過運用神經網路和自然語言處理等技術，演算法已經能夠進行較為准確的理解和相似度的判斷。」這款伯樂機器人的設計者、獵聘首席數據官單藝告訴中國青年報·中青在線記者，目前AI機器人已經能夠較好地理解大部分的顯性要求，如職能、技能、薪資、學歷、地區等，演算法的匹配水平能夠和專業招聘人員相當；但是在需要面對面溝通的隱性條件，如文化、價值觀、氣質等方面，演算法還無法替代人的溝通和判斷。

在結果中，機器人和人類在學歷匹配度上差距最大，而造成這個差距的原因，主要是機器人不能識別「專升本」屬於哪一種學歷類型。這也體現了機器人思維的靈活性較為有限。對此，單藝解釋稱，針對「本科以上」的職位要求，在設計機器人演算法時，便「專升本」判定為符合條件；但事實上，在很多招聘官（尤其是高端獵頭）看來，專升本是不如本科的。因而這一篩選結果引發了在場幾位評委的不同意見，「機器人在根據企業、HR偏好，對於人才軟性指標做出個性化選擇方面，仍然不夠。」

評委團成員之一，阿里巴巴大文娛招聘專家周曉磊認為，在大規模地從海量簡歷中選人方面，機器人和人類的差距幾乎可以忽略不計，AI機器人更能夠提升整體的招聘效率。

機器人在篩選簡歷的速度上遠超人類，這已不是什麼新鮮事。據報道，今年3月，在北美著名獵頭公司SourceCon舉辦的一場行業競賽中，一個基於人工智慧對求職者進行篩選評級的機器人「Brilent」，僅用了3.2秒，就從5500份簡歷中篩選出了合適的候選人，精確度在參賽者中位列第三。這個團隊基於成員在Facebook時積累的數據結構化處理和細化領域匹配經驗，利用AI技術，將符「人崗匹配」的求職者進行排序，讓HR從機械、繁瑣的簡歷篩選中解脫出來，能夠更聚焦於後續的面試選擇流程。

高精度人崗匹配：讓人工智慧學習HR怎麼做招聘

今年6月，戴科彬宣布，獵聘要通過大數據以及人工智慧方面的探索，進一步提升招聘效率，豐富招聘生態；9月12日，創新工場董事長、CEO李開復在「2017中國人工智慧峰會」上表示，人工智慧要真正做到取代人力，還需要有充分的數據量以及精準的場景作為前提。

從簡單的職位信息羅列分類，到基於大數據挖掘的人崗匹配系統，近幾年，已經有不少全行業在線招聘企業通過數據積累，形成了自己的「人才庫」。在此基礎上，依據簡歷信息或職位要求，進行人和職位的匹配，已經成為現階段人工智慧技術在招聘領域的主要應用。

據媒體報道，從2016年7月到2017年6月，AI的應用已經逐漸擴散到了全球68個國家的招聘環節中，在過去一年多里，聯合利華就已在北美地區嘗試利用人工智慧招聘員工，涵蓋了用演算法篩選簡歷、游戲測驗、人臉識別等方式，甚至不需要人類面試官參與。在國內，截至今年7月，也有不下10家初創公司號稱是人工智慧+招聘的領導者，力求通過技術解決招聘人力成本高、實際轉化率低等招聘端與求職端信息不暢的問題。

成立於2016年的互聯網智能招聘平台牛直聘所採取的方式是，通過簡歷分解、個性化推薦等方式，對企業（尤其是中小型企業）職位與簡歷實現精準綜合匹配；初創招聘平台Teamable則運用AI演算法挖掘應聘者的社交網路數據，力圖從社交記錄切入，打造精準的人才推薦閉環；而垂直於校園招聘領域的迷你校，也通過數據挖掘和AI演算法設計智能匹配模型，針對不同企業自動篩選推薦簡歷，並對0~3年職業經歷的求職者提供建議。

但單藝始終強調，在招聘行業，人工智慧僅僅是一項工具，並不能代替人類，而是「幫人類作出更准確、更有依據的判斷，讓獵頭和HR從事更有價值和創造性的工作。」從某種程度上說，人工智慧在招聘領域的應用，在對行業經驗要求不高的中低端人才或職位招聘中更容易得到推廣。

一位專注於消費品行業中高端人才的獵頭顧問對中國青年報·中青在線記者坦言，盡管每天需要頻繁變換關鍵詞搜索人才庫的簡歷、打十幾個電話與候選人聯系，但這一過程所需要的隨機應變等帶有鮮明社交屬性的專業溝通經驗，是人工智慧難以達到的。

「越是高端的人才、重要的高管職位，企業的HR越慎重，越需要專業的獵頭對接。」北京億聘世紀管理咨詢公司總經理王廣元也提出，諸如對產品經理等職能崗位的候選人，還要通過產品設計思路等軟性指標進行考量，「這對於機器來說是一個弱勢」。戴科彬指出，「人工智慧不能馬上替代獵頭，供需雙方數據不足是根本原因。」他提到，人崗匹配對招聘平台所掌握的求職者數據，以及企業方提供的需求描述均提出了較高需求，加上招聘的動態性和靈活性，在完善智能產品的同時，「人的因素在人工智慧招聘中有著不可替代的作用。」

在時下的秋招季中，面對批量湧入求職端的應屆生和供需不平衡的校園招聘市場，單藝期待，未來，AI技術可以通過分析市場職位的供求數據、挖掘企業的個性需求，提前給予適合應屆生的就業指導，拓寬他們的眼界和選擇范圍，讓企業和應屆生的需求更高效地匹配。

⑹ 演算法工程師未來的發展潛能如何-開課吧

要說演算法工程師的日常工作，就是做優化優化再優化，很多人會問:未來的發展呢？日復一日嗎？這只是一般的說法，但真正的細分還是很多的，比如:

數據挖掘和數據分析，如異常檢測、欺詐檢測等；

自然語言處理(NLP)，比如我們的演算法部門有專門的NLP組，主要負責構建上層演算法應用的基礎設施，比如文章關鍵詞、實體詞、相似度計算等。，並在智能翻譯和語音處理中使用相關技術；

圖像處理(CV)，如自動駕駛涉及的圖像拼接、車道線檢測、推薦涉及的圖像特徵提取等；

推薦演算法，目前各大互聯網公司基本都有這個崗位，信息流推薦，商品推薦等等；

搜索演算法類似於推薦演算法使用的技術，如信息搜索、商品搜索等；

廣告演算法在技術上類似於推薦演算法，但涉及的其他知識會稍微多一點，因為廣告不僅要考慮用戶和內容的關系，還要考慮商家的關系。

另外還有一些偏研究性質的崗位，這個一般要求也比較高，博士生招聘比較多，主要是不差錢的大廠會成立相關部門，比如阿里的達摩院，其他公司的AILab等等，這些部門中一般也有一些專門做研究和應用的崗位。

程序員的職業發展路徑一般是初級工程師、高級工程師、高級工程師、專家、高級專家、高級專家、研究人員。大公司會有相應的職級，比如阿里技術序列對應P1~P14，校招一般是P4~P5，本科一般是P4，研究生一般是P5，能力強的可能給P6甚至P7，但畢竟很少見。P5~P7是工作的中堅力量，佔比相對較大，一般每兩年晉升一次。當然，是否上升和如何上升與你的個人能力和產出密切相關。評價標准比較規范，P7上升卡比較嚴格。

⑺ cv和nlp需求量

在說需求量大小之前我們先來理一理這三個方向之間的關系吧。
深度學習是指通過神經網路模型（Neural Network）來解決問題的一門技術手段，深度學習更像是解決問題的一種技術方法，而自然語言處理（以下簡稱NLP）和強化學習（RL）更像是一種具體的問題。打個比方吧，深度學習就像是大學里學到的高等數學（解決問題的基礎知識），而RL和NLP像是大學里的金融投資專業和大學里的會計專業（兩個待解決的不同實際問題）。解決投資問題和會計問題會用到很多種不同方法，而高等數學就是解決這些實際問題的方法之一。
現在我們已經理解了深度學習（DL）和自然語言處理（NLP）和強化學習（RL）之間的關系，即DL是解決NLP和RL問題的一種技術手段，不論你未來選擇研究NLP還是DRL都需要學習DL的相關知識。
那麼現在剩下的就是NLP和DRL之間的對比了，先說結論吧，個人認為NLP的需求量比RL大不少（至少今年是這樣）。我研究的就是RL方向，今年秋招的時候看了不少招聘，總的來講需求量就是：CV > NLP > RL。計算機視覺無疑是所有Deep Learning下需求量最大的一個分支了，很多公司都會貼出一個專門職位叫「計算機視覺工程師」，視覺應用是最為廣泛的（比如大疆、位元組、快手、BAT等等大廠）都會有相關的視覺崗，視覺可以用來解決各種各樣的問題，從人臉識別到特效演算法等等，畢竟cv是所有深度學習技術中目前發展最為成熟的方向之一了。NLP的需求量要稍微小一點，但也有不少公司開設了專門的自然語言處理崗，例如網路，我記得之前面試過網路的一個部門，好像是做翻譯的，面試官問到有沒有接觸過NLP相關的領域，所以NLP大多會被用於翻譯、文本分析等等方向吧（具體細節我也不是很清楚這里就不誤導樓主了，但可以保證的是很多公司招聘信息上都會有NLP崗位）。
最後就是DRL方向了，這個深坑，我來總結一下吧，DRL目前的應用方向有兩個：
1. 推薦演算法。
2. Game AI。
將RL應用到推薦上的廠少之又少，因為強化學習做推薦現在還並不成熟，只有一些大廠才養得起這些研究部門，我所知道這么做的廠有快手、阿里、美團。第二個方向就是Game AI，這個方向做的比推薦稍微多一些，畢竟Alpha Go開了一個很好的頭、隨即騰訊、網易也陸陸續續有了一些自己的成果。看出來了嗎？研究RL的廠大多都是游戲廠，沒錯，RL目前的發展方向就是做游戲，因此如果你選擇研究DRL那麼將來你有很大概率加入一個游戲廠——但，不是每個游戲廠都養得起RL工程師，能願意花錢養RL的團隊資金都相當雄厚，例如騰訊、例如網易。這些大廠願意花錢招RL工程師不等於能夠溫暖所有研究RL的學子們，講個鬼故事給你聽：網易今年招游戲研發工程師700人，強化學習工程師15人。這意味著什麼呢，你要在好幾百人中脫穎而出，沖到前15名才能被錄取。可怕吧？這個差距就大nm的離譜，我之前寫過一個回答，總結過為什麼RL在市面上的需求量少的可憐，有興趣的話可以瞄一眼：

為什麼說強化學習在近年不會被廣泛應用？
所以，強化學習在工程界內應該是最難找工作的一個方向了吧（畢竟需求量還是太少），但如果想在學術界內混一混的話，RL還是可以強推一波的，感覺強化學習現在還在發展和進化的過程當中的。

⑻ 推薦系統屬於自然語言處理范疇還是信息檢索范疇

自然語言處理中有關語言本身的研究，信息檢索都不研究
詳細一點來說，分詞、語法、句法、詞義等，信息檢索都不會涉及
自然語言主要是偏研究的，重點是建模，根據語言素材進行精度提升

信息檢索的重點是建立分類的概念，包括排序等等
信息檢索是偏應用的，和工程聯系密切，尤其是最近一些年，由於計算機發展速度很快
海量信息檢索的重點已經從學校轉向了企業，代表的企業包括google和

個人感覺，你如果想要學得比較深（至少是碩士），可以選擇自然語言處理
這個領域相對較窄，就業面也窄，但一旦進企業，就肯定是好企業，除了剛才那兩個，微乳和IBM也常年招聘這個領域的高手

如果想就業面寬一些，就選信息檢索吧，這個領域可以學到很多軟體工程的知識，將來可以很方便的應用到其他的方面

⑼ 怎麼樣成為一個演算法工程師

看看招聘演算法工程師的要求大概能知道一些情況： 華為：無線RTT（無線傳輸技術）演算法工程師 主要工作職責 1．根據各無線產品（包括WCDMA(含HSPA)/CDMA2000/Wimax/GSM(EDGE)需求,分析和設計基帶演算法及其性能。 2．參與無線產品系統測試,外場測試,定位並分析問題。 3．參與LTE(S3G)/AIE/E-HSPA/GERAN標准演進的物理層技術提案工作。 4．與各無線產品RRM演算法人員，網規人員合作，共同完成跨領域的演算法分析研究和系統性能分析工作。 職位要求：（一）通信知識 1．碩士及以上學歷，通信、信號處理或相關專業畢業（很優秀或有豐富演算法分析經驗可以放寬到本科）。 2．掌握信號處理技術，隨機系統理論和信號檢測理論，通信原理等技術。 3．熟悉無線通信系統原理，特別是蜂窩無線通信系統。 4．了解無線資源管理的基本知識，如切換，功控等。 5．了解無線網路規劃的技術，特別是容量，覆蓋相關的知識。 （二）個人素質 1．對演算法研究有濃厚興趣和求知慾望，有意在這里長期發展。 2．有良好的領悟能力，對工作精益求精的精神，強烈的責任心。 3．有良好的團隊意識和合作精神。 （三）其他要求和說明 1．有在國內外公司相關核心部門工作經歷和成功經驗的人優先考慮。 某搜索網站:職位名稱：資深搜索演算法工程師 職位描述：1. 針對公司搜索業務，開發搜索相關性演算法、排序演算法。 2. 對公司海量用戶行為數據和用戶意圖，設計數據挖掘演算法 。 3. 進行關聯推薦、個性化搜索技術的研發。公司簡介：公司成立於2003年，擁有注冊會員1.7億；2009年全年交易額達到2083億人民幣，是亞洲最大的網路零售商圈。網站占據國內電子商務80%以上的市場份額。公司子平台作為一站式購物搜索引擎，自上線以來，已經成為這個領域內的領軍力量，它最終將會為消費者提供從商品搜索、購物比價甚至在線支付的全流程購物服務。公司採用行業領先的搜索技術，網羅最受歡迎的C2C、B2C以及團購網站的所有線上商品，同時將各類導購資訊一網打盡，為用戶提供便捷的一站式購物體驗；貨比N家，。公司有著千萬台伺服器24x7的積累和計算海量的用戶購物行為以及商品銷售數據，為消費者提供可持續提升體驗的個性化商品推薦；創新的手機應用讓購物隨時隨地。 歡迎對網路購物體驗，搜索技術，大數據量並行處理，分布式存儲與計算，大規模集群通訊，自然語言處理, 機器學習，商品推薦演算法, Android/iOS移動應用開發等感興趣的朋友加入。崗位職責：1、3年以上相關工作經驗。 2、熟練掌握C/C++或java語言。 5、深入理解機器學習理論，了解自然語言處理技術者優先考慮

⑽ 演算法工程師 就業前景

一、演算法工程師簡介
（通常是月薪15k以上，年薪18萬以上，只是一個概數，具體薪資可以到招聘網站如拉鉤，獵聘網上看看）
演算法工程師目前是一個高端也是相對緊缺的職位；
演算法工程師包括
音/視頻演算法工程師（通常統稱為語音/視頻/圖形開發工程師）、圖像處理演算法工程師、計算機視覺演算法工程師、通信基帶演算法工程師、信號演算法工程師、射頻/通信演算法工程師、自然語言演算法工程師、數據挖掘演算法工程師、搜索演算法工程師、控制演算法工程師（雲台演算法工程師，飛控演算法工程師，機器人控制演算法）、導航演算法工程師（
@之介
感謝補充）、其他【其他一切需要復雜演算法的行業】
專業要求：計算機、電子、通信、數學等相關專業；
學歷要求：本科及其以上的學歷，大多數是碩士學歷及其以上；
語言要求：英語要求是熟練，基本上能閱讀國外專業書刊，做這一行經常要讀論文；
必須掌握計算機相關知識，熟練使用模擬工具MATLAB等，必須會一門編程語言。
演算法工程師的技能樹（不同方向差異較大，此處僅供參考）
1 機器學習
2 大數據處理：熟悉至少一個分布式計算框架Hadoop/Spark/Storm/ map-rece/MPI
3 數據挖掘
4 扎實的數學功底
5 至少熟悉C/C++或者Java，熟悉至少一門編程語言例如java/python/R
加分項：具有較為豐富的項目實踐經驗（不是水論文的哪種）
二、演算法工程師大致分類與技術要求
（一）圖像演算法/計算機視覺工程師類
包括
圖像演算法工程師，圖像處理工程師，音/視頻處理演算法工程師，計算機視覺工程師
要求
l
專業：計算機、數學、統計學相關專業；
l
技術領域：機器學習，模式識別
l
技術要求：
（1） 精通DirectX HLSL和OpenGL GLSL等shader語言，熟悉常見圖像處理演算法GPU實現及優化；
（2） 語言：精通C/C++；
（3） 工具：Matlab數學軟體，CUDA運算平台，VTK圖像圖形開源軟體【醫學領域：ITK，醫學圖像處理軟體包】
（4） 熟悉OpenCV/OpenGL/Caffe等常用開源庫；
（5） 有人臉識別，行人檢測，視頻分析，三維建模，動態跟蹤，車識別，目標檢測跟蹤識別經歷的人優先考慮；
（6） 熟悉基於GPU的演算法設計與優化和並行優化經驗者優先；
（7） 【音/視頻領域】熟悉H.264等視頻編解碼標准和FFMPEG，熟悉rtmp等流媒體傳輸協議，熟悉視頻和音頻解碼演算法，研究各種多媒體文件格式，GPU加速；
應用領域：
（1） 互聯網：如美顏app
（2） 醫學領域：如臨床醫學圖像
（3） 汽車領域
（4） 人工智慧
相關術語：
（1） OCR：OCR （Optical Character Recognition，光學字元識別）是指電子設備（例如掃描儀或數碼相機）檢查紙上列印的字元，通過檢測暗、亮的模式確定其形狀，然後用字元識別方法將形狀翻譯成計算機文字的過程
（2） Matlab：商業數學軟體；
（3） CUDA： (Compute Unified Device Architecture)，是顯卡廠商NVIDIA推出的運算平台（由ISA和GPU構成）。 CUDA™是一種由NVIDIA推出的通用並行計算架構，該架構使GPU能夠解決復雜的計算問題
（4） OpenCL: OpenCL是一個為異構平台編寫程序的框架，此異構平台可由CPU，GPU或其他類型的處理器組成。
（5） OpenCV：開源計算機視覺庫；OpenGL：開源圖形庫；Caffe：是一個清晰，可讀性高，快速的深度學習框架。
（6） CNN：（深度學習）卷積神經網路（Convolutional Neural Network）CNN主要用來識別位移、縮放及其他形式扭曲不變性的二維圖形。
（7） 開源庫：指的是計算機行業中對所有人開發的代碼庫，所有人均可以使用並改進代碼演算法。
（二）機器學習工程師
包括
機器學習工程師
要求
l
專業：計算機、數學、統計學相關專業；
l
技術領域：人工智慧，機器學習
l
技術要求：
（1） 熟悉Hadoop/Hive以及Map-Rece計算模式，熟悉Spark、Shark等尤佳；
（2） 大數據挖掘；
（3） 高性能、高並發的機器學習、數據挖掘方法及架構的研發；
應用領域：
（1）人工智慧，比如各類模擬、擬人應用，如機器人
（2）醫療用於各類擬合預測
（3）金融高頻交易
（4）互聯網數據挖掘、關聯推薦
（5）無人汽車，無人機

相關術語：
（1） Map-Rece：MapRece是一種編程模型，用於大規模數據集（大於1TB）的並行運算。概念"Map（映射）"和"Rece（歸約）"，是它們的主要思想，都是從函數式編程語言里借來的，還有從矢量編程語言里借來的特性。
（三）自然語言處理工程師
包括
自然語言處理工程師
要求
l
專業：計算機相關專業；
l
技術領域：文本資料庫
l
技術要求：
（1） 熟悉中文分詞標注、文本分類、語言模型、實體識別、知識圖譜抽取和推理、問答系統設計、深度問答等NLP 相關演算法；
（2） 應用NLP、機器學習等技術解決海量UGC的文本相關性；
（3） 分詞、詞性分析、實體識別、新詞發現、語義關聯等NLP基礎性研究與開發；
（4） 人工智慧，分布式處理Hadoop；
（5） 數據結構和演算法；
應用領域：
口語輸入、書面語輸入
、語言分析和理解、語言生成、口語輸出技術、話語分析與對話、文獻自動處理、多語問題的計算機處理、多模態的計算機處理、信息傳輸與信息存儲 、自然語言處理中的數學方法、語言資源、自然語言處理系統的評測。

相關術語：
（2） NLP：人工智慧的自然語言處理，NLP (Natural Language Processing) 是人工智慧（AI）的一個子領域。NLP涉及領域很多，最令我感興趣的是「中文自動分詞」（Chinese word segmentation）：結婚的和尚未結婚的【計算機中卻有可能理解為結婚的「和尚「】

（四）射頻/通信/信號演算法工程師類
包括
3G/4G無線通信演算法工程師， 通信基帶演算法工程師，DSP開發工程師（數字信號處理），射頻通信工程師，信號演算法工程師
要求
l
專業：計算機、通信相關專業；
l
技術領域：2G、3G、4G，BlueTooth（藍牙），WLAN，無線移動通信, 網路通信基帶信號處理
l
技術要求：
（1） 了解2G，3G，4G，BlueTooth，WLAN等無線通信相關知識，熟悉現有的通信系統和標准協議，熟悉常用的無線測試設備；
（2） 信號處理技術，通信演算法；
（3） 熟悉同步、均衡、信道解碼等演算法的基本原理；
（4） 【射頻部分】熟悉射頻前端晶元，扎實的射頻微波理論和測試經驗，熟練使用射頻電路模擬工具（如ADS或MW或Ansoft）；熟練使用cadence、altium designer PCB電路設計軟體；
（5） 有扎實的數學基礎，如復變函數、隨機過程、數值計算、矩陣論、離散數學
應用領域：
通信
VR【用於快速傳輸視頻圖像，例如樂客靈境VR公司招募的通信工程師（數據編碼、流數據）】
物聯網，車聯網
導航，軍事，衛星，雷達
相關術語：
（1） 基帶信號：指的是沒有經過調制（進行頻譜搬移和變換）的原始電信號。
（2） 基帶通信（又稱基帶傳輸）：指傳輸基帶信號。進行基帶傳輸的系統稱為基帶傳輸系統。傳輸介質的整個信道被一個基帶信號佔用.基帶傳輸不需要數據機，設備化費小，具有速率高和誤碼率低等優點,.適合短距離的數據傳輸，傳輸距離在100米內，在音頻市話、計算機網路通信中被廣泛採用。如從計算機到監視器、列印機等外設的信號就是基帶傳輸的。大多數的區域網使用基帶傳輸，如乙太網、令牌環網。
（3） 射頻：射頻（RF）是Radio Frequency的縮寫，表示可以輻射到空間的電磁頻率（電磁波），頻率范圍從300KHz～300GHz之間（因為其較高的頻率使其具有遠距離傳輸能力）。射頻簡稱RF射頻就是射頻電流，它是一種高頻交流變化電磁波的簡稱。每秒變化小於1000次的交流電稱為低頻電流，大於10000次的稱為高頻電流，而射頻就是這樣一種高頻電流。高頻(大於10K)；射頻（300K-300G）是高頻的較高頻段；微波頻段（300M-300G）又是射頻的較高頻段。【有線電視就是用射頻傳輸方式】
（4） DSP：數字信號處理，也指數字信號處理晶元
（五）數據挖掘演算法工程師類
包括
推薦演算法工程師，數據挖掘演算法工程師
要求
l
專業：計算機、通信、應用數學、金融數學、模式識別、人工智慧；
l
技術領域：機器學習，數據挖掘
l
技術要求：
（1） 熟悉常用機器學習和數據挖掘演算法，包括但不限於決策樹、Kmeans、SVM、線性回歸、邏輯回歸以及神經網路等演算法；
（2） 熟練使用SQL、Matlab、Python等工具優先；
（3） 對Hadoop、Spark、Storm等大規模數據存儲與運算平台有實踐經驗【均為分布式計算框架】
（4） 數學基礎要好，如高數，統計學，數據結構
l
加分項：數據挖掘建模大賽；
應用領域
（1） 個性化推薦
（2） 廣告投放
（3） 大數據分析
相關術語
Map-Rece：MapRece是一種編程模型，用於大規模數據集（大於1TB）的並行運算。概念"Map（映射）"和"Rece（歸約）"，是它們的主要思想，都是從函數式編程語言里借來的，還有從矢量編程語言里借來的特性。
（六）搜索演算法工程師
要求
l
技術領域：自然語言
l
技術要求：
（1） 數據結構，海量數據處理、高性能計算、大規模分布式系統開發
（2） hadoop、lucene
（3） 精通Lucene/Solr/Elastic Search等技術，並有二次開發經驗
（4） 精通Lucene/Solr/Elastic Search等技術，並有二次開發經驗；
（5） 精通倒排索引、全文檢索、分詞、排序等相關技術；
（6） 熟悉Java，熟悉Spring、MyBatis、Netty等主流框架；
（7） 優秀的資料庫設計和優化能力，精通MySQL資料庫應用 ；
（8） 了解推薦引擎和數據挖掘和機器學習的理論知識，有大型搜索應用的開發經驗者優先。
（七）控制演算法工程師類
包括了雲台控制演算法，飛控控制演算法，機器人控制演算法
要求
l
專業：計算機，電子信息工程，航天航空，自動化
l
技術要求：
（1） 精通自動控制原理（如PID）、現代控制理論，精通組合導航原理，姿態融合演算法，電機驅動，電機驅動
（2） 卡爾曼濾波，熟悉狀態空間分析法對控制系統進行數學模型建模、分析調試；
l
加分項：有電子設計大賽，機器人比賽，robocon等比賽經驗，有硬體設計的基礎；
應用領域
（1）醫療/工業機械設備
（2）工業機器人
（3）機器人
（4）無人機飛控、雲台控制等

（八）導航演算法工程師
要求
l 專業：計算機，電子信息工程，航天航空，自動化
l 技術要求（以公司職位JD為例）
公司一（1）精通慣性導航、激光導航、雷達導航等工作原理；
（2）精通組合導航演算法設計、精通卡爾曼濾波演算法、精通路徑規劃演算法；
（3）具備導航方案設計和實現的工程經驗；
（4）熟悉C/C++語言、熟悉至少一種嵌入式系統開發、熟悉Matlab工具；
公司二（1）熟悉基於視覺信息的SLAM、定位、導航演算法，有1年以上相關的科研或項目經歷；
（2）熟悉慣性導航演算法，熟悉IMU與視覺信息的融合;
應用領域
無人機、機器人等。